arXiv Robotics· Taekyung Kim, Jeongeun Park, Byeongho Heo, Sungjoon Choi, Sangdoo Yun, Dongyoon Han·· 5 小时前AI 评分31
SPARK：面向机器人控制的预训练知识适配后训练方法
SPARK: Simple Post-training for Adapting pRetrained Knowledge to Robot Control
AI 导读
SPARK 是一种将预训练基础模型适配到机器人控制的后训练方法，基于时间抽象与知识保留两项原则，使编码器输出紧凑且保留时序变化与动作相关场景结构的视觉状态表示。在多个机器人基准测试中，SPARK 相比原始基础模型持续提升成功率与泛化能力，并进一步在真实机器人操作任务中验证了这些增益。
推荐理由模型分析
针对通用视觉基础模型偏重全局语义、缺少机器人控制所需时序敏感表征的问题，SPARK用时间抽象与知识保持两项后训练目标改造编码器，无需从零预训练。论文在多个机器人基准上报告成功率与泛化提升，并称迁移到真实机械臂操作，可供具身智能研究者比较其与直接使用基础模型的基线差异。
来源：arXiv Robotics · arxiv.org